理系にゅーす

理系に関する情報を発信! 理系とあるものの文系理系関係なく気になったものを紹介します!

スポンサーリンク

アルゴリズム

    このエントリーをはてなブックマークに追加 mixiチェック
1: 2018/06/10(日) 11:21:16.99 ID:CAP_USER
ニューヨーク(CNNMoney) 米マサチューセッツ工科大学(MIT)メディアラボは8日までに、人工知能(AI)を活用した「サイコパス」アルゴリズムを開発したと明らかにした。

アルゴリズムの名前は「ノーマン」。
アルフレッド・ヒッチコック監督の映画「サイコ」の主要登場人物にちなみ命名された。
AIの背後にあるデータの重要性を示すのが狙いだ。

MITの研究者はノーマンの訓練にあたり、死者などに関する生々しい画像や動画の内容を説明する文章を使用した。
画像や動画は米掲示板サイト「レディット」の「最もダークな片隅」に投稿されたものだ。

そのうえで、ロールシャッハ心理テストで使われるインクのしみに対して・・・

続きはソースで

https://www.cnn.co.jp/storage/2018/06/08/985a94ce5215311568573605db8c0dbd/t/640/416/d/norman-ai-mit-media-lab.JPG

CNN
https://www.cnn.co.jp/tech/35120545.html
ダウンロード


引用元: 【人工知能】米MIT、「サイコパス」アルゴリズムを開発 AIを活用[06/08]

【人工知能】米MIT、「サイコパス」アルゴリズムを開発 AIを活用の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック
1: 2018/05/19(土) 22:53:24.35 ID:CAP_USER
森前智行 基礎物理学研究所講師、藤井啓祐 理学研究科特定准教授、小林弘忠 国立情報学研究所特任研究員、西村治道 名古屋大学准教授、玉手修平 東京大学特任助教、谷誠一郎 日本電信電話株式会社上席特別研究員らの研究グループは、実質的に1量子ビットしか使えないような「弱い」量子コンピューターでも、ある場面では古典コンピューターより「強い」ことを、理論的に証明しました。

 本研究成果は、日本時間2018年5月18日に米国物理学会の学術誌「Physical Review Letters」にオンライン掲載されました。

■本研究成果のポイント
・実質的に1量子ビットしか使えない「弱い」量子コンピューターが、古典コンピューターよりも「強い」のかどうか不明であった。
・そのような弱い量子コンピューターが、ある場面では古典コンピューターより高速であることを計算量理論的基盤に基づいて証明した。
・現在、世界中で進んでいる量子スプレマシー研究の理論的基盤を整備する結果であり、当該分野の研究をさらに加速することが期待できる。

続きはソースで

関連ソース画像
http://www.kyoto-u.ac.jp/ja/research/research_results/2018/images/180518_1/01.jpg

京都大学
http://www.kyoto-u.ac.jp/ja/research/research_results/180518_1.html
ダウンロード (11)


引用元: 【量子コンピュータ】1量子ビットしか使えない量子コンピューターでも古典コンピューターより強かった 京都大学[05/18]

【量子コンピュータ】1量子ビットしか使えない量子コンピューターでも古典コンピューターより強かった 京都大学の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック
1: 2018/05/19(土) 23:04:18.85 ID:CAP_USER
人工知能(AI)を使ったコンピューターに、より正確な判断を行わせるには学習が不可欠とされています。
学習の量が増えれば増えるほど、より高度な判断を行うことができるのですが、学習量を増やすためには大規模な処理をこなせる「計算量の高い」システムが必要です。
AIの非営利の研究機関として設立されたOpenAIによると、AIの学習で使用される計算量は2012年から3.5カ月で倍になるスピードで進化し続けていて、2018年現在では約30万倍以上に達しているとのことです。

AI and Compute
https://blog.openai.com/ai-and-compute/
https://i.gzn.jp/img/2018/05/17/ai-and-compute/00_m.jpg

OpenAIは「アルゴリズム」「学習データ」「計算量」の3つが、AIを進歩させるために必要不可欠な要素であると述べています。
アルゴリズムやデータの改良は数値化させることは困難ですが、計算量は定量化可能であり、計算量の推移を見ることでAIがどれだけ進歩しているかを見ることができるとしています。

OpenAIは、2012年以降にAIの学習で使用された計算量の推移をグラフで示しています。
縦軸が計算量で1日で何千兆(1015)回の計算を行うことができるかを表しており、横軸が時間軸(年)を示しています。
なお、縦軸に「FLO」(浮動小数点演算)と書かれていますが、実際には処理の数であり、必ずしも浮動小数点演算を行っているわけではないとのこと。
https://i.gzn.jp/img/2018/05/17/ai-and-compute/01_m.png

上記のグラフでは、2017年代の「AlphaGo Zero」が、あまりにも突出した値となっており他のシステムの計算量の違いがほとんどわかりません。

続きはソースで

GIGAZINE
https://gigazine.net/news/20180517-ai-and-compute/
ダウンロード


引用元: 【人工知能】AIの進化が止まる気配はなく、6年間で約30万倍以上の学習が可能に[05/17]

【人工知能】AIの進化が止まる気配はなく、6年間で約30万倍以上の学習が可能にの続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック
1: 2018/04/01(日) 09:10:59.00 ID:CAP_USER
■要旨
理化学研究所(理研)計算科学研究機構プログラミング環境研究チームの佐藤三久チームリーダー、來山至テクニカルスタッフⅠ、情報基盤センター計算工学応用開発ユニットの五十嵐潤上級センター研究員らの国際共同研究グループは、次世代スーパーコンピュータ(スパコン)でヒトの脳全体の神経回路のシミュレーション[1]を可能とするアルゴリズム[2]の開発に成功しました。

脳を構成する主役は神経細胞です。神経細胞は電気信号を発して情報をやりとりする特殊な細胞です。
その数はヒトの大脳で約160億個、小脳で約690億個、脳全体では約860億個にのぼります。
神経細胞同士はシナプス[3]でつながり合い、複雑なネットワーク(神経回路)を形成しています。
しかし、現在の最高性能のスパコンをもってしても、ヒトの脳全体の規模で、神経細胞の電気信号のやりとりをシミュレーションすることは不可能です。

今回、国際共同研究グループは、次世代スパコンで脳のネットワークのシミュレーションを達成するアルゴリズムを開発しました。
新たなアルゴリズムによってメモリの省力化を実現するだけでなく、スーパーコンピュータ「京」[4]などの既存のスパコン上の脳シミュレーションも大幅に高速化できました。

本成果は、2020年以降に登場するポスト「京」[5]などの次世代スパコン上で、ヒトの脳全体のシミュレーションを実現し、脳の情報処理や脳疾患の機構の解明に貢献すると期待できます。
また、新アルゴリズムはオープンソースとして一般公開されている神経回路シミュレータ「NEST[6]」の次期公開版に搭載される予定です。

本研究は、スイスのオンライン科学雑誌『Frontiers in Neuroinfomatics』(2月16日付、日本時間:2月17日)に掲載されました。

また、本研究はポスト「京」研究開発枠・萌芽的課題(4)
「大脳皮質神経回路のデータ駆動モデル構築(課題番号:hp160258)」と京調整高度化枠「ブレインシミュレータNEST5gの性能評価(課題番号ra001012)」として「京」の計算資源を用いて実施されました。

続きはソースで

■原論文情報
Jakob Jordan, Tammo Ippen, Moritz Helias, Itaru Kitayama, Mitsuhisa Sato,
Jun Igarashi, Markus Diesmann and Susanne Kunkel,
"Extremely Scalable Spiking NeuronalNetwork Simulation Code: From Laptops to Exascale",
Frontiers in Neuroinfomatics, 10.3389/fninf.2018.00002
https://www.frontiersin.org/articles/10.3389/fninf.2018.00002/full

理化学研究所
http://www.riken.jp/pr/press/2018/20180326_1/
ダウンロード


引用元: 【演算】ヒトの脳全体シミュレーションを可能にするアルゴリズム | 理化学研究所03/26]

ヒトの脳全体シミュレーションを可能にするアルゴリズム | 理化学研究所の続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック
1: 2018/03/01(木) 08:41:43.77 ID:CAP_USER
グンタイアリは一般のアリと違って巣を作らず、大量の群れが軍隊のように行進しながら生活することで知られています。
グンタイアリは通常では進めないような場所にアリの個体が集まって橋を架け、群れがその上を進むという習性がありますが、グンタイアリが規則正しく橋を架けるアルゴリズムについて、
Quanta Magazineがまとめています。

The Simple Algorithm That Ants Use to Build Bridges | Quanta Magazine
https://www.quantamagazine.org/the-simple-algorithm-that-ants-use-to-build-bridges-20180226/

グンタイアリは100万匹にも及ぶ規模のコロニーを形成し、定住する巣を持たずに餌を求めてジャングルを動き回ります。
その果てしのない行軍の中で、どうしても渡れない亀裂があったりショートカットしたい場所があったりすると、「橋を作るためのアリ」といった役割が定められていないにもかかわらず、グンタイアリは自らの体で橋を作ります。

軍隊アリが作る橋の様子がよくわかるムービーがこれ。

グンタイアリが持つ脳は非常に小さく、加えてほぼ盲目に近い状態であることから、他のアリと協力して精巧な集団運動を行うことはできません。
ニュージャージー工科大学のサイモン・ガルニエ助教授は、「グンタイアリには群れを導く指導者もいなければ、『ここに橋を建築しよう』と宣言する建築家もいません」と述べ、グンタイアリが橋を架けるのは単純なアルゴリズムの働きによるものだとしています。

グンタイアリがどうやって橋を架けることを決定し、実際に橋を架けているのかを解明する鍵は「アリの視点になること」だそうです。
まず、グンタイアリの進路上に亀裂や崖があった場合、亀裂に遭遇した群れの先頭付近では行進スピードが遅くなります。
しかし、後ろから歩いてくるアリたちの行進スピードは緩くならないため、それまでと同じスピードで行進し続け、先に進めず先頭で止まっているアリたちの背中に乗り上げます。
この瞬間、グンタイアリにインプットされている2つのアルゴリズムが働きます。

まず1つ目は、「背中に乗られたグンタイアリは動きを止める」というアルゴリズム。
背中に他のアリが乗った時点で下のグンタイアリは動きを止め、橋の一部を形成します。
上に乗ったアリは下のアリの上を歩いて行きますが、すぐに先へ進めなくなります。
しかし群れの後ろからは次のアリが続々とやってきて、前方の先に進めないアリの上に乗ってくるので、上に乗られたアリはアルゴリズムに従ってフリーズ。
これを繰り返すことでほんの少しずつ崖に橋が伸びていき、やがて反対側へ到達するというわけです。
こうして出来上がった橋の上を、後から進んでくるアリたちが踏み越えていきます。

続きはソースで

関連ソース画像
https://i.gzn.jp/img/2018/02/28/ants-build-bridge-algorithm/01_m.jpg

関連動画
Army Ant Bridge https://youtu.be/zMs-WXWV4gA


GIGAZINE
https://gigazine.net/news/20180228-ants-build-bridge-algorithm/
ダウンロード (1)


引用元: 【昆虫】グンタイアリは自分たちの体で橋を作るとき2つのシンプルなアルゴリズムに従っている[02/28]

グンタイアリは自分たちの体で橋を作るとき2つのシンプルなアルゴリズムに従っているの続きを読む

    このエントリーをはてなブックマークに追加 mixiチェック
1: 2018/01/29(月) 22:11:57.72 ID:CAP_USER
◆「AI裁判官」は全然公平ではなかった! 差別やミス連発で人間以下… 人工知能裁判のお粗末な実態

アメリカの一部の州では、裁判でコンピュータアルゴリズムが使われている。
刑務所へ行くか執行猶予がつくか、懲役は何年か、保釈をするかしないか、コンピュータが計算したリスクスコアが使われているのだ。
だが今月17日の「Science News」によると、その判定アルゴリズムが本当に公平なのかどうか、当のアメリカで大きな議論になっているという。

■COMPASとは

有罪の被告を刑務所に入れるか否か、保釈申請を認めるか否かなどを裁判で決めるとき、裁判官や陪審員たちは被告の家族や友人、財産の状況から過去の犯罪歴といった大量の資料に目を通して判決を出すことが求められる。
だが、アメリカのいくつかの州ではこの過程をコンピュータアルゴリズムに任せている。
アルゴリズムは入力された犯罪歴、年齢、人種、雇用状況、教育レベル、薬物使用状況などに加え、家族の犯罪歴などから再犯や犯罪発生のリスクスコアを判定し、保釈・判決・仮釈放などを決定するのだという。

アルゴリズムを開発したのは国家機関ではなく、民間企業だ。
例えばウィスコンシン州で使われる「COMPAS」はNorthpointe社(現在はequivant社)が開発したもので、どのように判定が行われているのかの詳細は不明だ。

このブラックボックスが本当に公平なのかは疑問が多く、白人より黒人のほうがリスクを高く判定されているという指摘もあった。
過去には裁判での使用は不適切であるとの訴訟も起きている。

そこで、米国ダートマス大学のコンピュータサイエンス研究者であるJulia Dressel氏とHany Farid氏は、COMPASと人間の予測のどちらが正しいか検証を行った。
COMPASで評価されたフロリダ州の被告人1000人を無作為に抽出し、年齢や性別、家族構成、逮捕後から2年間の逮捕情報などの情報をデータベース化した。
そして、クラウドソーシングサイトで集めたボランティア400人にそれぞれ被告50人分のデータを渡し、2年後までに再犯するかを予測させた。

続きはソースで

TOCANA 2018/01/29
http://tocana.jp/2018/01/post_15729_entry_2.html
ダウンロード (1)


引用元: 【人工知能】「AI裁判官」は全然公平ではなかった 人種差別やミス連発で人間以下 人工知能裁判のお粗末な実態

「AI裁判官」は全然公平ではなかった 人種差別やミス連発で人間以下 人工知能裁判のお粗末な実態の続きを読む
スポンサーリンク

このページのトップヘ